Eğitim verileri, veri açıklaması veya veri etiketleme yazılımı olarak da bilinen veri etiketleme yazılımı, doğru yapay zeka algoritmalarının geliştirilmesi için gerekli olan etiketlenmemiş verilerin etiketli verilere dönüştürülmesinde kritik bir rol oynar. Bu araçlar, makine öğrenimi destekli etiketleme, insan görev gücünün katılımı veya kullanıcı odaklı etiketleme dahil olmak üzere bir dizi işlevsellik sunar. Bazı platformlar bu yaklaşımların bir kombinasyonuna bile izin vererek maliyet, kalite ve hız gibi faktörlere göre etiketleme yöntemlerinin seçiminde esneklik sunar. Bu araçların uydu görüntüleri ve LIDAR gibi alt kümeler de dahil olmak üzere görüntüler, videolar, ses ve metin gibi farklı veri türlerine yönelik destekleri farklılık gösterir. Ek açıklama türleri de farklılık gösterir; görüntü segmentasyonu, nesne algılama, adlandırılmış varlık tanıma (NER), duygu analizi, transkripsiyon ve duygu tanıma gibi görevleri kapsar. Etiket kalitesini sağlamak için çoğu yazılım fikir birliği ve temel gerçek gibi ölçümleri kullanır. Bu kalite güvencesi, doğru tahminler için etiketli veriler gerektiren temel bir makine öğrenimi yaklaşımı olan denetimli öğrenme için çok önemlidir. Veri bilimi ve makine öğrenimi platformlarıyla entegrasyon yaygındır ve etiketlemeden model eğitimine kadar kesintisiz veri aktarımını kolaylaştırır. Bir ürünün Veri Etiketleme kategorisine dahil edilmeye hak kazanması için genellikle yönetilen iş gücü veya veri etiketleme hizmetlerini entegre etmesi, etiket doğruluğunu ve tutarlılığını garanti etmesi, etiketleme doğruluğunu ve hızını izlemeye yönelik analizler sunması ve veri bilimi ve makine öğrenimi platformlarıyla kusursuz entegrasyona olanak sağlaması gerekir.